機場場面氣候環境復雜，目標運動特性差別很大，充分考慮飛 機目標結構特性以及機場不同區域特點，采用了基于特征匹配的 目標跟蹤算法：首先根據機場不同區域目標的不同運動特性，對 特定區域目標采取相應的參數進行點航相關;然后通過特征匹配 的找到正確的跟蹤目標點，并利用特征匹配結果修正跟蹤點，提 高目標跟蹤的準確率。通過對某場面監視雷達實際目標跟蹤數據分析得出：引入特征匹配算法后飛機目標 能夠連續穩定跟蹤，有效抑制虛警目標。

　　隨著國內近些年經濟的飛速發展，航空 運輸業也同樣發展迅猛，很多運輸量大的機 場正面臨著處理起降次數猛增，管理越來越 多的飛機及相應增加的地服車輛的問題，同 時氣候環境多變等不利條件也對機場場面調 度管理增加了難度。 一些規模大、場景復雜的機場，在各種復 雜氣候環境下同時有兩三條甚至四條跑道起降來自不同航空公司的客 機。

　　同時地面的服務車輛也在不停地穿插運行，因此在實際的運營操作 中不可避免的存在飛機、車輛、人員等穿越跑道、滑行道的情況;而在 某些氣候條件差(如經常有大霧天氣的)的機場，場面的指揮調度工 作就很難進行，甚至無從下手，這些問題都急需一種可靠穩定的目標 跟蹤方法實現對整個機場場面監視，進而才能有效的避免交通沖突。 目前解決此類問題，各大機場主要是通過引入場面監視雷達來 實現實時監控整個機場的調度。

　　場面監視雷達(Surface Movement Radar，SMR)區別于其他雷達傳感器的關鍵特征是它的全天候、 高轉速(60轉/分)、高分辨率(對機場跑道異物進行監視，包括 手提箱)和實孔徑成像。傳統場面監視雷達的目標跟蹤，在于先進 行數字信號處理后目標凝聚的點檢測，再進行點航跡相關，最后實 現目標的跟蹤。這種跟蹤處理方法在大多數情況下是可靠穩定的， 但是如果目標附近出現雜波或者某些干擾情況下，很容易出現目標 跟蹤跳動或者偏離實際位置。雖然這種情況出現的概率比較小，但是一旦出現就有可能造成機場調度的錯誤判斷，影響到整個機場的 正常運行。

　　本文針對這些問題，利用場面監視雷達高分辨率以及機場活動 區域的特點，提出了一種基于特征匹配的機場場面目標跟蹤方法。 首先介紹基于特征匹配的場面監視雷達目標跟蹤架構，然后是目標 特征庫的構建和特征匹配具體實現的步驟，以及機場區域參數的提 取和設置，最終給出機場場面目標跟蹤問題解決的實驗仿真結果。

　　1 基于特征匹配的機場場面目標跟蹤架構

　　場面監視雷達的高分辨率特點意味著可以通過圖像處理技術提取出目標的結構特征，進而得到目標精確的位置信息。此外，機 場目標的機動特性和區域信息，對點航跡相關時提供了更多有效 的限制參數。本文提出了基于特征匹配的目標跟蹤處理架構，主要包括點航相關、特征匹配和目標點位置修 正、航跡更新等處理模塊，以及機場區域參數、目標特征庫等先 驗知識支撐庫。點航相關模塊是以當前凝聚的點跡與相應的航跡進行相關。

　　由于場監雷達為一次雷達，無二次信息可用，因此通過最近鄰域方 法與已有航跡相關，相關時主要通過目標的區域以及對應的目標 的運動特性來計算相關性，例如起飛區域的速度、加速度或者降 落區域的速度、加速度等信息可以用來預測跟蹤波門的大小，這 樣可以提高點跡和正確航跡相關上的概率。

　　此外，各個區域之間 的關系也可以避免一些多目標的誤相關，如跑道上滑行飛機其下 一幀應出現在跑道上，在跑道、滑行道連接區域其下一幀只會進 入跑道或滑行道。 特征匹配模塊主要分為目標特征庫的構建和特征匹配兩個部 分，主要涉及的技術有圖像預處理、特征提取、特征庫構建和特征 匹配。具體的算法在下一節中詳細介紹。

　　目標點位置修正模塊是在特征匹配結束后，將目標區域提取 出來，然后對提取的目標區域獲得相對于跟蹤坐標系的目標位置質 心，包括相對于擴展目標質心位置、目標合成形狀的目標特性集合 以及測量誤差統計模型、質心位置和特性的誤差協方差矩陣等，最 后以此修正目標點的位置。 航跡更新模塊將修正后的點跡信息更新到航跡中，并通過平滑 濾波計算出當前航跡狀態向量，有平滑位置信息、速度信息、更新 時間信息以及特征的濾誤差協方差矩陣。

　　2 特征庫和特征匹配

　　2.1 圖像預處理

　　點航相關后從原始回波圖像中提取出點跡周圍區域的回波圖 像，區域的大小由目標回波圖像大小決定，以某機場為例，以點跡為中心的90×90像素大小的圖像。然后對提取 的圖像進行二值化處理，此時部分的像素點分 布比較分散，可以通過進行幾次開運算(先腐蝕后膨脹)，消除這 些那些分散的像素點，這樣就可以去除大量的背景，然后再進行一 次閉運算(先膨脹后腐蝕)將一些區域連通起來，目的是為了盡可 能完整的保留目標區域，提高后續的特征提取有效性。最后將目標的有效區域分割出來，并根據目標所在區域機 場跑道的方向進行旋轉變換，獲得統一方向的目標圖像 。

　　2.2 特征提取

　　結合飛機目標本身的機構特點構造了一些類Haar特征并以此提 取出飛機目標的結構特征，利用提取的特征構建飛機目標的特征 庫。Haar特征中包括線性特征、邊緣特征、中心特征以及對角線 特征，將這些特征組成了一組具有豐富特征信息的特征模板。特 征模板是由白色矩形塊和黑色矩形塊組成，模板的特征值就是白 色矩形像素和減去黑色矩形像素和。

　　2.3 特征庫構建

　　目標特征的提取只是提取了圖像中的一個個單獨的特征，再處 理了大量的樣本圖像數據后，會產生一個很大的特征集合，這些特 征中會有不必要的冗余信息，為了充分利用這些特征信息，還需要 通過訓練將這些特征進一步的優化精簡，并建立一個特征庫，作為 先驗知識供后續處理使用。

　　2.4 特征匹配

　　特征匹配的流程是先根據點跡信息提取點跡區域的特征，獲得 待匹配的特征向量，然后根據點跡區域信息從目標特征庫中索引出 相應的特征集合，依次進行特征距離計算，計算結果在閾值范圍內 則匹配成功，否則失敗。

　　3 機場區域參數

　　在不同區域(跑道、滑行道、停機坪等)，飛機目標的運動特 性也是有很大差異的，為了提高點航相關以及平滑濾波的準確性， 需要先根據區域確定飛機目標的位置信息和運動參數，然后以此為 依據生成相應的相關波門信息和濾波平滑參數。

　　4 仿真結果

　　為了檢驗本算法的可用性，在某場面監視雷達設備上通過實測 數據對目標跟蹤算法的性能進行驗證，場監雷達的系統參數為：轉 速60rpm，工作頻率15.9GHz，雷達威力5km，距離分辨率為3m， 方位分辨率為0.35°，目標定位精度10m。跟蹤目標包括降落-滑 行-停止的飛機和滑行-等待-起飛的飛機。觀測并記錄三天的某機場的場間雷達共271批數據，這些數據 都是在未加入特征匹配算法情況下的實驗數據;然后通過在加入 特征匹配算法的跟蹤軟件中重演這段時間的數據，記錄下跟蹤情 況;最后統計比較在不同區域下不同跟蹤方法的相關準確率以及虛假航跡個數等統計結果。

　　采用特征匹配方法后，目標跟蹤的相 關準確率得到了極大的提高，并且對虛假航跡的抑制也有很好的效果，尤其在跑道和滑行區。此外，本算法雖然提高了跟蹤的質量，但同時相較于傳統跟蹤 方法，增加了特征匹配部分，意味著區域存儲和計算的計算量也會增大，尤其是在雜波點較多的情況，會增加比較大的計算量，因此在雜波較少的跑道和滑行道區域使用更加合理。

　　機場方向論文范例：機場通信導航臺站的雷電防護系統探究

　　結論：通過對機場場面活動目標跟蹤問題研究，在目標跟蹤 過程中考慮區域類型，并引入特征匹配算法加強目標的虛警抑 制和跟蹤準確性，本文提出了基于特征匹配的目標跟蹤處理架 構：首先介紹了點航相關、特征匹配和目標點位置修正、航跡 更新等處理模塊，以及機場區域參數、目標特征庫等先驗知識支 撐庫;其次重點對特征庫的構建和特征匹配算法進行了詳細描 述;最后通過比較某場面監視雷達設備上的實測數據和基于本 算法軟件的重演結果數據，發現本文的算法能夠對機場場面飛 機目標進行全程穩定跟蹤，對于各個區域跟蹤的復雜運動特性， 本文的跟蹤算法有良好的適應能力，解決了機場場面復雜場景的 活動目標跟蹤問題。

　　作者：廖圣龍 靳俊峰